阿里国际站总裁谈AI模型能力与真实交付落差
先了解这件事
2026年10月9日，阿里国际站总裁张阔在播客《硅谷101》中分享了对AI模型能力与实际业务交付落差的观察。他介绍，团队从真实业务中整理出107个任务，用于评测AI能否独立完成商家工作，结果最前沿模型在无人干预条件下的任务通过率约为61%。张阔指出，模型在通用评测中的成绩已接近满分，但商家在报价比较、钓鱼邮件识别、订船期和交易纠纷处理等实际经营环节，并未感受到同等幅度的提升。他还谈到，最贵的模型不一定最好，多模型路由需要为不同任务匹配相应的能力与成本。10月12日，同一播客发布后续报道，张阔进一步说明该基准基于平台百万条真实经营数据与Accio问答数据，整理出107个电商任务并已全部开源，覆盖报价单比较、钓鱼邮件识别、船期预订、交易纠纷处理等七大类，无人干预通过率为61%多一点。
AI 根据报道生成 · 1 小时前更新
报道时间线
沿着报道，了解事件的不同侧面。
- 硅谷101模型越来越强，为什么用户没感觉？再访阿里国际站总裁张阔
阿里国际站总裁张阔在《硅谷101》专访中表示，最前沿模型在其自建电商基准测试的无人干预通过率仅61%多一点，而通用评测已接近满分。该基准基于平台百万条真实经营数据与Accio问答数据，整理出107个电商任务并已全部开源，覆盖报价单比较、钓鱼邮件识别、船期预订、交易纠纷处理等七大类。
- 硅谷101模型越来越强，为什么用户没感觉？再访阿里国际站总裁张阔
阿里国际站总裁张阔在播客中分享，团队从真实业务整理出107个任务，用于评测AI能否独立完成商家工作，结果最前沿模型在无人干预条件下的任务通过率约为61%。他指出，模型通用评测成绩已接近满分，但商家在报价比较、钓鱼邮件识别、订船期和交易纠纷处理等经营环节并未感受到同等幅度的提升。他同时谈到，最贵的模型不一定最好，多模型路由需要为不同任务匹配能力与成本。
本事件热度走势
当前热度 9·可比范围峰值 9（10月12日 21:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。